Cada pocas semanas, otra empresa anuncia que está "enfrentándose a Nvidia $NVDA." El enfoque es consistente. Las ambiciones detrás no lo son.
Algunas empresas están diseñando chips solo para inferencia, el trabajo de responder a una pregunta o generar una imagen una vez que un modelo ya está entrenado. Otras quieren algo más ambicioso: control sobre todo el proceso, desde el diseño del chip hasta la fábrica que lo construye. Muchas otras caen en algún lugar entre esos dos extremos y persiguen objetivos más estrechos, como reducir un costo específico o recortar su dependencia de un proveedor. Casi ninguna está intentando un reemplazo de espectro completo de Nvidia en entrenamiento, inferencia y el mercado abierto.
La distinción importa porque las empresas que ahora intentan reducir la posición dominante de Nvidia en el mercado de chips no están persiguiendo el mismo premio. La única forma de diferenciarlas es observar lo que realmente quiere cada una, no el titular que las agrupa.
La división entre entrenamiento e inferencia
El control de Nvidia sobre el entrenamiento, el proceso computacionalmente intensivo de construir modelos de IA desde cero, sigue siendo su posición más fuerte. Según Silicon Analysts, que compila estimaciones de TrendForce, Morgan Stanley $MS y datos de capacidad de TSMC $TSM, la participación de Nvidia superó el 90% en entrenamiento en 2025. Su participación en inferencia se situó entre el 60% y el 75% durante el mismo período, socavada por la creciente competencia de silicio personalizado. Entre los dos rangos, la diferencia se traduce en aproximadamente 15 a 30 puntos porcentuales. Esa es exactamente el área que más retadores están disputando.
Groq, una startup de chips de IA, construyó su Unidad de Procesamiento de Lenguaje específicamente para la inferencia, priorizando respuestas rápidas y predecibles sobre la flexibilidad necesaria para el entrenamiento. La compañía fue "establecida en 2016 para inferencia," según su propia descripción de producto y se comercializa como "el único chip de inferencia construido a medida" para desarrolladores. Groq compite por el trabajo que sucede después de que un modelo ya existe, no por los contratos de entrenamiento de Nvidia.
La trayectoria de Google $GOOGL cuenta una historia similar. Google describe Ironwood, la última Unidad de Procesamiento Tensorial de la compañía, como su primer TPU "diseñado específicamente para inferencia". Google todavía construye TPUs que manejan el entrenamiento, pero el énfasis estratégico se ha desplazado hacia el segmento donde el control de Nvidia es más débil. Y Google no vende Ironwood como un chip independiente. La única forma de usar uno es alquilando capacidad a través de Google Cloud. Los compradores están bloqueados en los precios e infraestructura de la nube de Google y no pueden poseer el hardware en su totalidad.
Silicio interno versus el mercado abierto
La distinción más importante entre los desafiantes de Nvidia puede ser la más simple: ¿Están vendiendo chips a otros, o usándolos internamente?
OpenAI quiere liberarse de los precios y el calendario de producción de Nvidia, no entrar en el negocio de chips. Su asociación con Broadcom $AVGO, anunciado en octubre de 2025, implica el desarrollo conjunto de chips de IA personalizados que consumirán hasta 10 gigavatios de energía, o tanta electricidad como generan 10 grandes reactores nucleares. El propósito declarado es permitir que OpenAI "incorpore lo que ha aprendido del desarrollo de modelos y productos de frontera directamente en el hardware". Los chips se desplegarán "en las instalaciones de OpenAI y centros de datos de socios", nunca se venderán a nadie más.
Amazon $AMZN es el proveedor de nube que más se ha acercado a construir un verdadero rival de mercado abierto para Nvidia. AWS, la división de nube de Amazon, ha hecho sus chips Trainium disponibles para clientes externos a través del servicio de alquiler en la nube EC2. A partir de marzo, se desplegaron 1.4 millones de chips Trainium en tres generaciones, según TechCrunch, con Claude de Anthropic funcionando en más de un millón de chips Trainium2 solo. Amazon también ha comprometido dos gigavatios de capacidad de computación Trainium a OpenAI, colocando sus chips dentro de dos de los laboratorios de IA más prominentes de la industria.
AMD $AMD ocupa una categoría distinta como la única empresa importante que vende GPUs de entrenamiento e inferencia a terceros sin ser también una plataforma en la nube. Su serie Instinct MI300 ha ganado clientes, incluidos Microsoft $MSFT Azure, Meta $META, Dell $DELL, HPE y Lenovo. La CEO de AMD, Lisa Su, ha dicho que la serie MI350 ofrece "el mayor salto de rendimiento generacional en la historia de Instinct."
El foso que no está hecho de silicio
Incluso cuando el hardware de los competidores iguala o supera las especificaciones de Nvidia en papel, queda una barrera separada. El ecosistema de software CUDA de Nvidia, lanzado en 2006, ha acumulado casi dos décadas de bibliotecas, herramientas y experiencia de desarrolladores. Según El propio informe anual de Nvidia de enero de 2025, más de 5.9 millones de desarrolladores en todo el mundo utilizan CUDA y herramientas relacionadas, a través de cientos de bibliotecas específicas de dominio.
Un estudio de referencia de SemiAnalysis de diciembre de 2024 encontró que el MI300X de AMD, a pesar de tener números de rendimiento anunciados más altos, entregó resultados del mundo real un 14% más lentos que los H100 y H200 de Nvidia en los principales puntos de referencia de entrenamiento. "El foso de CUDA aún no ha sido cruzado por AMD debido a la cultura de Garantía de Calidad de software más débil de lo esperado de AMD y su desafiante experiencia fuera de la caja", concluyó SemiAnalysis.
Vencer al chip de Nvidia es necesario pero no suficiente. El ecosistema que lo rodea determina si los clientes pueden usarlo sin reconstruir todo su flujo de trabajo. Es por eso que Amazon ha invertido en soportar PyTorch, el software que la mayoría de los desarrolladores de IA ya utilizan para construir modelos, en su kit de herramientas de desarrollo Neuron, y por qué AMD lanzó ROCm 7 y una nube de desarrolladores gratuita.
Lo que revela el espectro de la competencia
Los grandes proveedores de la nube que están construyendo sus propios chips no están alejándose completamente de Nvidia. Daniel Newman, un analista del Futurum Group, dijo a CNBC en noviembre de 2025: "Quieren tener un poco más de control sobre las cargas de trabajo que construyen. Al mismo tiempo, van a seguir trabajando muy de cerca con Nvidia, con AMD, porque también necesitan la capacidad. La demanda es tan insaciable."
La cuota de mercado general de chips de IA de Nvidia, estimada por Mizuho Securities entre el 70% y el 95% dependiendo del segmento, se proyecta por Silicon Analysts que se estabilice cerca del 75% a medida que el mercado total se expande más allá de los $200 mil millones. El mercado no es de suma cero. Nvidia puede perder cuota en términos porcentuales mientras vende más chips que nunca.
Aquí, ninguna de las dos empresas está ejecutando la misma estrategia. Donde Groq eligió inferencia y se quedó con ella, Google está persiguiendo algo más estrecho: reducir sus propios costos en la nube. OpenAI quiere lo opuesto a estrecho. Está asegurando su propia cadena de suministro para que el precio y el horario de producción de Nvidia no puedan afectarlo. Amazon fue más allá y construyó un ecosistema completo que realmente puede vender a otros. AMD es la única resistencia dispuesta a enfrentar a Nvidia de frente en el mercado abierto.